汽輪機故障機理與診斷策略

摘要：根據汽輪機故障診斷技術的發展分析，指出了目前在汽輪機故障診斷研究中存在的問題，并從檢測技術、故障機理等五個方面分析了今后可能取得進展的研究方向。

主題詞：汽輪機；故障診斷技術

一、汽輪機故障診斷技術的發展

1、信號采集與信號分析

1)傳感器技術

由于汽輪機工作環境惡劣，所以在汽輪機故障診斷系統中，對傳感器性能要求就更高。目前對傳感器的研究，主要是提高傳感器性能和可靠性、開發新型傳感器，另外也有相當一部分力量在研究如何診斷傳感器故障以減少誤診率和漏診率，并且利用信息融合進行診斷。

2)信號分析與處理

最有代表性的是振動信號的分析處理。目前，汽輪機故障診斷系統中的振動信號處理大多采用快速傅立葉變換(FFT)，FFT的思想在于將一般時域信號表示為具有不同頻率的諧波函數的線性疊加，它認為信號是乎穩的，所以分析出的頻率具有統計不變性。FFT對很多平穩信號的情況具有適用性，因而得到了廣泛的應用。但是，實際中的很多信號是非線性、非平穩的，所以為了提高分辨精度，新的信號分析與處理方法成為許多機構的研究課題。

2、故障機理與診斷策略

1)故障機理

故障機理是故障的內在本質和產生原因。故障機理的研究，是故障診斷中的一個非常基礎而又必不可少的工作。目前對汽輪機故障機理的研究主要從故障規律、故障征兆和故障模型等方面進行。

由于大部分軸系故障都在振動信號上反映出來，因此，對軸系故障的研究總是以振動信號的分析為主。

2)診斷策略和診斷方法

在汽輪機故障診斷中用到的診斷策略主要有對比診斷、邏輯診斷、統計診斷、模式識別、模糊診斷、人工神經網絡和專家系統等。而目前研究比較多的是后面幾種，其中人工神經網絡和專家系統的應用研究是這一領域的研究熱點。

基于小波分析方法和神經網絡建立的智能分析技術，是下一代故障檢測與判定(FDI)的重要內核。國內外在這方面進行了很多的研究，目前應用最多的是前向神經網絡、BP神經網絡以及把神經網絡與模糊診斷相結合的模糊神經網絡等。美國East Hardford的DePold，Hans.R將統計分析及人工神經網絡技術應用于過濾器來改進數據質量，田納西大學(Tennessee Univ.)將神經網絡用于振動分析，識別潛在故障，并利用神經網絡使被歪曲和雜入噪音的數據得到提純。美國StreSs Technology.Inc.的R0emer，M.J把神經網絡和模糊邏輯技術應用于旋轉動力有限元模型，所形成的實時系統可以預測關鍵部件的壽命。華中理工大學的何耀華用一種自組織神經網絡模型與多個單一故障診斷的BP網絡一起完成故障診斷的協同推理]，申韜則把一系列BP子網絡進行集成，以解決故障分類問題。臧朝平、何永勇也分別提出了多網絡、多故障的診斷策略，西安交通大學的張小棟則研究了主從混合的神經網絡模型。東南大學把神經網絡應用于軸心軌跡識別進行故障診斷。

診斷策略的研究還有：模糊診斷用于振動故障診斷、用于層次模型、用于模式識別、用于轉子碰磨診斷、用于通流部分熱參數診斷的研究；模糊關聯度用于多參數診斷；灰色理論用于故障診斷；概率分布干涉模型用于診斷；相關維數用于低頻噪聲診斷等的研究。

診斷方法上的研究一直是故障診斷的一個重點。振動法是應用最普遍也比較成熟的一種方法，Ingleby，M把自動分類法和模式分析用于振動診斷，何正嘉應用Winger時頻分布和主分量自回歸譜分析軸瓦的振動信號，施維新針對一般診斷都是從征兆判斷原因的逆向推理提出了振動診斷的正向診斷法。在汽輪機故障診斷中，應用熱力學分析診斷汽輪機性能故障也是一個重要手段，另外還有油分析、聲發射法、無損檢測技術等。聲發射法主要用于動靜碰磨故障檢測、泄漏檢測等。日立公司在350MW汽輪機高中壓轉子上設置試片，在兩端軸承的軸瓦處進行聲發射和記錄，診斷轉子的碰摩。在汽輪機壽命診斷中，無損檢測技術應用相當重要，目前用到的非破壞性評價法主要包括硬度測定法、電氣抵抗法、超聲波法、組織對比法、結晶粒變形法、顯微鏡觀察測定法、X射線分析法等。

二、汽輪機故障診斷中存在的問題

1、檢測手段

汽輪機故障診斷技術中的許多數學方法，甚至專家系統中的一些推理算法都達到了很高的水平，而征兆的獲取成為了一個瓶頸，其中最大的問題是檢測手段不能滿足診斷的需要，如運行中轉子表面溫度檢測、葉片動應力檢測、調節系統卡澀檢測、內缸螺栓斷裂檢測等，都缺乏有效的手段。

2、材料性能

在壽命診斷中，對材料性能的了解非常重要，因為大多數壽命評價都是以材料的性能數據為基礎的。但目前對于材料的性能，特別是對于汽輪機材料在復雜工作條件下的性能變化還缺乏了解。

3、復雜故障的機理

對故障機理的了解是準確診斷故障的前提。目前，對汽輪機的復雜故障，有些很難從理論上給出解釋，對其機理的了解并不清楚，比如在非穩定熱態下軸系的彎扭復合振動問題等，這將是阻礙汽輪機故障診斷技術發展的主要障礙之一。

4、人工智能應用

專家系統作為人工智能在汽輪機故障診斷中的主要應用已經獲得了成功，但仍有一些關鍵的人工智能應用問題需要解決，主要有知識的表達與獲取、自學習、智能辨識、信息融合等。

5、診斷技術應用推廣面臨的問題

我國汽輪機診斷技術在現有基礎上，進一步推廣應用面臨的主要問題是研究開發機制和觀念問題、診斷技術與生產管理的結合問題。機制和觀念問題主要表現在：研究機構分散，不能形成規模化效應；重復性研究過多，造成人力、物力的浪費；技術研究轉化為應用產品的少；系統研究連貫性差，因而系統升級困難；應用系統的維護與服務得不到保證等。診斷技術與生產管理結合不好，表現在各種技術的相互集成性不好，與生產管理相孤立，不能創造預期的效益，使電廠失去信心。

三、汽輪機故障診斷的發展前景與趨勢

很多學者和研究人員都認識到上述問題對汽輪機故障診斷技術發展的影響，正在進行相應的研究工作。本文認為汽輪機故障診斷技術的研究將會在以下幾個方面得到重視，并取得進展。

1、全方位的檢測技術

針對汽輪機及其系統各類故障的各種新檢測技術將是一個主要的研究方向，會出現許多重要成果。

2、故障機理的深入研究

任何時候，故障機理的深入研究都將推動故障診斷技術的發展。故障機理的研究將集中在對漸發故障定量表征的研究上，研究判斷整個系統故障狀態的指標體系及共判斷閾值將是另一個重要方向。

3、知識表達、獲取和系統自學習

知識的表達、獲取和學習一直是診斷系統研究的熱點，但并未取得重大突破，它仍將是繼續研究的熱點。

4、綜合診斷

汽輪機故障診斷，將從以振動診斷為主向考慮熱影響診斷、性能診斷、邏輯順序診斷、油液診斷、溫度診斷等的綜合診斷發展，更符合汽輪機的特點和實際。

5、診斷與仿真技術的結合

診斷與仿真技術的結合將主要表現在，通過故障仿真辨識汽輪機故障、通過系統仿真為診斷專家系統提供知識規則和學習樣本、通過邏輯仿真對系統中部件故障進行診斷。